Mange tror KI på egne data betyr egen modell. Det er som å tro at man må bygge kraftverk for å få strøm i huset.
Nesten aldri. Ferdigtrente modeller pluss deres egne data via oppslag dekker de aller fleste behov. Egen trening er dyrt, krever store mengder data og gir sjelden bedre resultat for en SMB.
Det finnes fire nivåer å legge egen kunnskap inn i KI på. Kostnaden og kravene stiger bratt for hvert trinn, mens gevinsten flater ut. Derfor er regelen enkel: start nederst, og gå bare opp når dere har målt at nivået under ikke holder.
Gode instruksjoner og eksempler i selve forespørselen. Dekker skriving, oppsummering og analyse av det dere limer inn.
Riktig for alle, fra dag én.Modellen slår opp i deres dokumenter og systemer før den svarer. Ingen trening, dataene forblir deres, og innholdet kan oppdateres fortløpende.
Hit kommer de fleste, og her stopper de fleste. Med god grunn.En ferdig modell justeres med deres eksempler for å treffe en helt bestemt stil eller et smalt fagfelt. Krever tusenvis av gode eksempler og evaluering.
Sjelden verdt det. Prøv bedre instruksjoner først.Krever datamengder, regnekraft og fagfolk på et nivå selv store konsern sjelden forsvarer.
Ikke for SMB-er. Punktum.Vi møter jevnlig bedrifter som har utsatt hele KI-satsingen fordi de trodde den krevde et treningsprosjekt til millionbeløp. Imens ligger gevinsten på nivå én og to og venter: en modell som kan deres rutiner via oppslag, koblet til systemene deres, i drift på noen uker. Skal dere den veien, er RAG begrepet bak nivå to, og AI-agenter tjenesten som bygger det. Hvilket nivå ulike oppgaver hører hjemme på, er en klassisk avklaring i en AI-strategi. Vurderer dere å kjøre modellen på egen maskinvare, les kan KI kjøre lokalt hos oss.
Vi plasserer dem med dere, og anbefaler aldri et dyrere trinn enn målingen forsvarer. Uforpliktende.